Obsah

Supermemory

Supermemory je platforma pro persistentní paměť, vyhledávání a správu kontextu pro AI nástroje a agenty. Prakticky kombinuje osobní knowledge base pro běžné použití s vývojářskou vrstvou pro API, MCP, konektory a integrace. Zdrojový kód projektu je veřejně dostupný na GitHubu.

Jaký problém Supermemory řeší

Běžné AI chaty a asistenti typicky drží kontext jen v rámci jednoho vlákna nebo krátkého časového okna. Jakmile se konverzace ukončí, změní se nástroj nebo se přepne projekt, velká část užitečných informací se ztratí a musí se znovu vysvětlovat.

Supermemory podle svého webu staví nad tuto slabinu samostatnou vrstvu pro práci s kontextem. Na hlavní stránce projekt popisuje pět navzájem propojených vrstev:

Prakticky to znamená, že Supermemory nemá fungovat jen jako další vektorová databáze, ale jako vyšší vrstva nad pamětí, profilem uživatele, dokumenty a konektory. V README projekt výslovně staví vedle sebe paměť, RAG, user profiles, file processing a connectors jako jeden celek.

Osobní použití bez kódu

Pro běžné použití bez programování projekt nabízí Supermemory App. Podle webu jde o osobní dashboard, do kterého je možné ukládat odkazy, chaty, PDF, obrázky, videa a další dokumenty a potom se nad nimi ptát podobně jako nad osobní znalostní bází.

Z praktického pohledu jsou zajímavé hlavně tyto scénáře:

Web projektu staví osobní použití hlavně na myšlence „jedna paměť pro všechny nástroje“. Pokud člověk používá více AI klientů a nechce v každém držet oddělenou historii a oddělené preference, je tohle hlavní přínos.

Součástí osobního workflow jsou podle webu i pluginy a rozšíření pro různé nástroje a Chrome extension pro rychlé ukládání obsahu. Článek na webu ale neukazuje detailní UI workflow krok za krokem, takže je lepší brát to jako přehled možností než jako plnohodnotný návod na konkrétní rozhraní.

Použití pro vývojáře a AI agenty

Pro vývojáře je důležitější druhá část projektu: API vrstva a kontextová infrastruktura pro agenty. README popisuje Supermemory jako memory and context layer for AI a snaží se zabalit do jednoho systému několik obvykle oddělených problémů:

Na webu i v README je opakovaně zdůrazněné, že cílem je dát vývojáři jednu API vrstvu místo ručního skládání vektorové databáze, chunkingu, embedding pipeline, profilů a synchronizačních konektorů.

Praktické use-cases pro vývojáře:

MCP, pluginy a integrace

Podle dokumentace a README je Supermemory možné použít jak přes běžné SDK, tak přes MCP. Pro praktické nasazení do AI klientů je zajímavý hlavně tento quick install z README: 

npx -y install-mcp@latest https://mcp.supermemory.ai/mcp --client claude --oauth=yes

README zároveň uvádí, že stejný MCP endpoint lze napojit i ručně přes konfiguraci klienta: 

{
  "mcpServers": {
    "supermemory": {
      "url": "https://mcp.supermemory.ai/mcp"
    }
  }
}

Pokud se nepoužívá OAuth, README ukazuje i variantu s API klíčem: 

{
  "mcpServers": {
    "supermemory": {
      "url": "https://mcp.supermemory.ai/mcp",
      "headers": {
        "Authorization": "Bearer sm_your_api_key_here"
      }
    }
  }
}

Podporované klienty se mezi webem a README mírně liší podle kontextu, ale opakovaně se objevují například Claude Desktop, Claude Code, Cursor, Windsurf, VS Code, OpenCode a OpenClaw. Web zároveň zmiňuje i pluginový ekosystém pro osobní použití a README přímo odkazuje na open-source pluginy pro Claude Code, OpenCode a OpenClaw.

Prakticky je to zajímavé hlavně tam, kde už existuje agent nebo editor s MCP podporou a stačí mu přidat persistentní paměť bez návrhu vlastního serveru.

API a práce s kontextem

README projektu ukazuje, že základní práce přes SDK je poměrně přímočará. Typický příklad v TypeScriptu vypadá takto: 

import Supermemory from "supermemory";
 
const client = new Supermemory();
 
await client.add({
  content: "User loves TypeScript and prefers functional patterns",
  containerTag: "user_123",
});
 
const { profile, searchResults } = await client.profile({
  containerTag: "user_123",
  q: "What programming style does the user prefer?",
});

Z pohledu návrhu aplikace je důležité hlavně toto:

README zmiňuje i různé režimy vyhledávání, například hybridní režim pro kombinaci RAG a paměti nebo režim zaměřený jen na memories. To je praktické tam, kde je potřeba odlišit obecné znalosti z dokumentů od personalizovaných informací o konkrétním uživateli.

Projekt také uvádí integrace pro TypeScript, Python, REST API a frameworky jako Vercel AI SDK, LangChain, LangGraph, Mastra, OpenAI SDK, n8n nebo Zapier. Pokud už agent běží nad některým z těchto stacků, Supermemory míří na co nejmenší integrační tření.

Ceny, limity a na co si dát pozor

Podle aktuálního ceníku na webu jsou v době psaní k dispozici tyto veřejně uvedené varianty:

Web zároveň uvádí overage ceny 0,01 USD za 1000 tokenů a 0,10 USD za 1000 queries. Tohle je potřeba brát jako aktuální stav podle webu projektu, ne jako dlouhodobě garantovanou informaci.

Na co si dát prakticky pozor:

Web projektu současně deklaruje self-hosting, export dat, že na datech netrénuje modely, a také compliance tvrzení jako SOC 2, HIPAA a GDPR. U citlivějšího nasazení ale stejně dává smysl projít konkrétní bezpečnostní a provozní podmínky podle zvoleného plánu.

Kdy to dává smysl

Supermemory dává největší smysl ve dvou typech situací:

Naopak menší smysl to má tam, kde stačí jednorázový chat bez dlouhodobého kontextu nebo kde je požadovaná architektura natolik specifická, že vlastní memory stack dává větší kontrolu než hotová platforma.

Zdroje